VGGNet (сверхглубокие свёрточные сети)
VGGNet — это архитектура глубокой свёрточной нейронной сети, представленная Кареном Симоняном и Эндрю Зиссерманом из Visual Geometry Group Оксфордского университета в 2014 году (опубликована на ICLR 2015). Она продемонстрировала, что глубина сети, достигаемая исключительно путём стекирования небольших свёрточных фильтров 3x3, является единственным наиболее критичным фактором для высокой точности классификации изображений, а её два канонических варианта (VGG-16 и VGG-19) стали доминирующими эталонными архитектурами для проектирования CNN на протяжении середины 2010-х годов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Simonyan, K., & Zisserman, A. (2014). Very Deep Convolutional Networks for Large-Scale Image Recognition. arXiv:1409.1556 [cs.CV]. Published at ICLR 2015. DOI: 10.48550/arXiv.1409.1556 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
Как цитировать эту страницу
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/ru/deep-learning/vggnet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AlexNetГлубокое обучение↔ compare
- DenseNetГлубокое обучение↔ compare
- MobileNet: Эффективные свёрточные нейронные сети для мобильного зренияГлубокое обучение↔ compare
- ResNet (Остаточная сеть)Глубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →